从零到一:如何使用亮数据代理快速收集训练数据打造自己的AIGC大模型

前言

近年来,AIGC大模型火得一塌糊涂,大学的专业正好是人工智能专业,赶紧上车抓住风口,做一个电商AI识别大模型项目。项目使用PyTorch搭建卷积神经网络模型、训练模型和使用模型进行图像识别,使用Java+Selenium+ChromeDriver+Jsoup爬取数据集,并在爬取数据时做好分类。由于我们所需要的数据集非常多,所以还需要使用亮数据动态IP代理,解决单位时间内频繁访问来源网站、下载商品图片的问题。

亮数据代理快速的收集训练数据集数据,打造自己的AIGC大模型

项目内容

图像识别的过程一般可以分成以下几个步骤:

  • 建立图像(包含标签)数据集;
  • 加载到神经网络进行训练,得到模型文件
  • 加载新图片(不在数据集),对图像进行处理(灰度、滤波去噪声、轮廓提取、腐蚀等)
  • 与模型文件进行匹配,最后得到预测结果

项目进展

工欲善其事必先利其器,今天我们花一些时间做一个自动化收集数据集以及自动分类的工具,

1、本章节事项

  • 确定2个分类
  • 寻找来源网站
  • 编写代码,收集数据,并按照分类存放图片
  • 解决网站反爬策略(使用亮数据动态IP代理)

1.1、确定2个分类

在观测一些电商网站数据以及综合日常生活后,我们选择其中2个爆款分类:手机、化妆品的细分分类,苹果手机和面霜。

1.2、寻找来源网站

确定了分类后,我们去寻找苹果手机、面霜2个分类数据的来源网站,我们首先把目标定为京东、淘宝、唯品会、得物。我们在按顺序评测这几个目标网站的优缺点后(对编写收集数据的程序是否有阻碍),确定了唯品会可以作为我们的数据集来源网站。

1.2.1、京东搜索

京东搜索的网址:https://search.jd.com/Search?keyword=苹果手机
缺点:需要登录才能使用京东搜索(手机站也一样需要登录验证)
在这里插入图片描述

1.2.2、淘宝搜索

淘宝搜索的网址:https://s.taobao.com/search?ie=utf8&page=1&search_type=item&tab=all&q=苹果手机
缺点:需要登录才能使用淘宝搜索(跟上面的京东搜索一样)
在这里插入图片描述

1.2.3、唯品会搜索

唯品会搜索的网址:https://category.vip.com/suggest.php?keyword=苹果手机
优点:在不需要登录的情况下,就可以使用唯品会搜索功能
在这里插入图片描述
在这里插入图片描述

1.3、编写代码,收集数据,并按照分类存放图片

我们使用Java+Selenium+ChromeDriver+Jsoup爬取数据集,并在爬取数据时做好分类。

  • 1、安装Idea+jdk8+Maven3(可自行百度,案例非常多);
  • 2、创建Java Maven项目(方便管理jar包);
  • 3、下载ChromeDriver , chrome浏览器(可自行百度,案例非常多);
  • 4、在Java项目里加载Selenium+ChromeDriver+Jsoup的jar包;
  • 5、编写代码从唯品会网站收集苹果手机、面霜分类数据ÿ
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

热爱编程的小白白

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值